MétaCan
Menu
Retour à la cohorte
Enregistrement W186424950

Immigration and Crime: Evidence from Canada

2014· preprint· en· W186424950 sur OpenAlexaboutno aff
Haimin Zhang

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2014
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueCrime Patterns and Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationProperty crimeDemographic economicsInstrumental variableFamily reunificationCrime ratePanel dataGeographyPopulationCriminologyPolitical scienceEconomicsDemographyEconometricsSociologyViolent crimeLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

There is growing belief in many developed countries, including Canada, that the large influx of the foreign-born population increases crime. Despite the heated public discussion, the immigrant-crime relationship is understudied in the literature. This paper identifies the causal linkages between immigration and crime using panel data constructed from the Uniform Crime Reporting Survey and the master files of the Census of Canada. This paper distinguishes immigrants by their years in Canada and defines three groups: new immigrants, recent immigrants and established immigrants. An instrumental variable strategy based on the historical ethnic distribution is used to correct for the endogenous location choice of immigrants. Two robust patterns emerge. First, new immigrants do not have a significant impact on the property crime rate, but with time spent in Canada, a 10% increase in the recent-immigrant share or established-immigrant share decreases the property crime rate by 2% to 3%. Neither underreporting to police nor the dilution of the criminal pool by the addition of law-abiding immigrants can fully explain the size of the estimates. This suggests that immigration has a spillover effect, such as changing neighbourhood characteristics, which reduces crime rates in the long run. Second, IV estimates are consistently more negative than their OLS counterparts. By not correctly identifying the causal channel, OLS estimation leads to the incorrect conclusion that immigration is associated with higher crime rates.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,715
Score d'incertitude au seuil0,671

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,074
Tête enseignante GPT0,390
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetCrime Patterns and InterventionsTravaux en français237 207